一种图像特征向量的获取方法
    2.
    发明公开

    公开(公告)号:CN117994623A

    公开(公告)日:2024-05-07

    申请号:CN202410299814.3

    申请日:2024-03-15

    Abstract: 本发明公开了计算机视觉技术领域的一种图像特征向量的获取方法,旨在解决局部信息丢失、图像特征不够丰富全面且提取精度低的技术问题。其包括:创造性地提出MAMSD模型解决传统图像检索中的局部信息丢失和手动提取特征的限制,通过卷积神经网络多头注意力机制和多尺度特征融合机制提高信息提取效率;在MAMSD模型中引入NetVLAD层,更准确地描述图像的局部细节,提高图像特征向量的检索准确性和稳定性;通过ResNet50卷积网路模型、MobileNet_V2卷积网路模型和ConvNeXt_T卷积网路模型提取局部特征描述符,解除了手动提取特征的限制,提高了模型对特征的自主学习效率。

    一种无线光通信多用户检测方法及验证方法

    公开(公告)号:CN117914412A

    公开(公告)日:2024-04-19

    申请号:CN202410082332.2

    申请日:2024-01-19

    Abstract: 本发明公开了一种无线光通信多用户检测方法及验证方法,所述检测方法包括获取来自不同用户的不同信号,将信号调制到相干态;将相干态的信号输入预先构建的基于对称相干态信号的多址信道模型中,使用最小误差判别法MED或者无歧义状态判别法USD进行多用户检测,获取检测结果,本发明旨在使用基于相干态的量子测量技术实现无线光通信中的多址访问和多用户检测,将MED和USD两种量子测量方法应用在具有相干态信号的多址信道中,对无线光通信中的多用户检测问题提供了新的解决方法。本发明利用量子检测技术可以使多址信道适应光信号功率较低的通信环境,非常适合于自由空间光通信,特别是在接收信号功率受到高度限制的深空光通信中。

    一种量子迁移学习方法
    5.
    发明公开

    公开(公告)号:CN118657226A

    公开(公告)日:2024-09-17

    申请号:CN202411148997.5

    申请日:2024-08-21

    Abstract: 本发明公开了一种量子迁移学习方法,包括以下步骤:(1)获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理;(2)构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块;(3)分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练,并与原有ResNet18和ResNet34模型进行对比;本发明将量子计算与迁移学习相融合,使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。

    一种量子迁移学习方法
    7.
    发明授权

    公开(公告)号:CN118657226B

    公开(公告)日:2024-11-22

    申请号:CN202411148997.5

    申请日:2024-08-21

    Abstract: 本发明公开了一种量子迁移学习方法,包括以下步骤:(1)获取Flowers Recognition花卉识别数据集和Animal‑10动物‑10数据集的数据并进行预处理;(2)构建ResNet18量子迁移学习模型和ResNet34量子迁移学习模型即在ResNet18网络和ResNet34网络中分别引入量子卷积神经网络模块;(3)分别对ResNet18量子迁移学习模型和ResNet34量子迁移学习模型进行训练,并与原有ResNet18和ResNet34模型进行对比;本发明将量子计算与迁移学习相融合,使得量子迁移学习模型能够取得比经典模型更好的性能或者速度。

Patent Agency Ranking